在 Elasticsearch 的使用中，我们常常会遇到各种复杂的排序需求。
本文将围绕一个企业级实际场景，详细介绍如何使用 Elasticsearch 8.X 实现按特定时间档次和相关度进行排序的功能。
一、问题描述
假设我们有一个名为 t1 的索引，该索引包含以下字段：
id：类型为 keyword，作为唯一标识符。
createTime：类型为 date，格式为 yyyy – MM – dd，表示文档的创建时间。
content：类型为 text，用于存储文本内容，支持全文搜索。
time_bucket：类型为 integer，这是一个预计算字段，用于分档。
我们的排序需求如下：
1、时间档次排序：将时间分为“3 天内”、“4 – 7 天”等档次。具体来说，3 天内对应 time_bucket = 1；4 – 7 天内对应 time_bucket = 2；7 天前对应 time_bucket = 3（可按需调整）。
2、相关度排序：在每个时间档次内，按 content 字段与查询内容的相关度分值进行降序排序。
3、查询结果顺序：先展示 time_bucket = 1 的文档，再展示 time_bucket = 2 的文档，依此类推。
期望结果如下：
二、解决方案概述
为了高效实现上述排序需求，我们采取以下优化方案：
1、预计算 time_bucket 字段：在文档索引时，根据 createTime 字段计算并存储 time_bucket 字段，避免在查询时进行复杂的脚本计算 。
2、设计合理的映射：确保 createTime 为 date 类型，time_bucket 为 integer 类型，以实现高效排序。
3、使用 Ingest Pipeline：在文档索引过程中，通过 Painless 脚本计算 time_bucket 字段的值。
4、优化查询语句：查询时，先按 time_bucket 升序排序，再按 _score（相关度分值）降序排序，实现分档和相关度的双重排序。
三、详细实现步骤
（一）定义 Ingest Pipeline
首先，我们要创建一个 Ingest Pipeline，用于在文档索引时计算并添加 time_bucket 字段。由于 Painless 脚本在 Elasticsearch 中有一些限制，我们避免使用 import 语句，改用受支持的功能进行日期解析和计算。
PUT _ingest/pipeline/add_time_bucket
{
"description": "根据 createTime 添加 time_bucket 字段",
"processors": [
{
"script": {
"lang": "painless",
"source": """
// 创建 SimpleDateFormat 实例
def sdf = new SimpleDateFormat("yyyy - MM - dd");
sdf.setTimeZone(TimeZone.getTimeZone("UTC"));
// 解析 createTime 字段
def createDate = sdf.parse(ctx.createTime).getTime();
// 获取当前时间的毫秒数
def now = System.currentTimeMillis();
// 计算日期差异（以天为单位）
def diffDays = (now - createDate) / (1000 * 60 * 60 * 24);
// 设置 time_bucket
if (diffDays <= 3) {
ctx.time_bucket = 1;
} else if (diffDays <= 7) {
ctx.time_bucket = 2;
} else {
ctx.time_bucket = 3;
}
"""
}
}
]
}
上述脚本逻辑如下：
1、解析日期：使用 SimpleDateFormat 解析 createTime 字段的日期字符串。
2、获取当前时间：通过 System.currentTimeMillis()获取当前时间的毫秒数。
3、计算日期差异：算出 createTime 与当前时间的天数差异。
4、**设置 time_bucket**：
4.1 若 diffDays <= 3，则 time_bucket = 1（表示 3 天内）。
4.2 若 diffDays <= 7，则 time_bucket = 2（表示 4 – 7 天内）。
4.3 其他情况，time_bucket = 3（表示 7 天前）。
4.4 在这个过程中，我们使用了 UTC 时区，以此确保日期计算的准确性。
在这个过程中，我们使用了 UTC 时区，以此确保日期计算的准确性。
（二）创建索引并设置映射
接下来，我们创建名为 t1 的索引，并设置相应的映射，确保各字段类型正确无误。
PUT t1
{
"mappings": {
"properties": {
"id": {
"type": "keyword"
},
"createTime": {
"type": "date",
"format": "yyyy - MM - dd"
},
"content": {
"type": "text"
},
"time_bucket": {
"type": "integer"
}
}
},
"settings": {
"number_of_shards": 1,
"number_of_replicas": 1,
"default_pipeline": "add_time_bucket"
}
}
各字段说明如下：
id：作为唯一标识符，使用 keyword 类型。
createTime：文档的创建时间，使用 date 类型，格式为 yyyy – MM – dd。
content：文本内容字段，使用 text 类型，支持全文搜索。
time_bucket：预计算的时间档次字段，使用 integer 类型，专门用于排序。
这里要特别注意，”default_pipeline”: “add_time_bucket”这一设置非常关键，它确保了在索引文档时，会自动应用我们之前定义的 add_time_bucket 管道。
（三）索引示例数据
定义好管道后，我们使用它来索引一些示例文档。以下是六个示例文档，涵盖了不同的时间档次。
POST t1/_bulk
{ "index": { "_id": "1" } }
{ "id": "102", "createTime": "2025 - 01 - 06", "content": "这是一个 3 天内测试内容 1" }
{ "index": { "_id": "2" } }
{ "id": "101", "createTime": "2025 - 01 - 06", "content": "这是一个 3 天内测试内容 2" }
{ "index": { "_id": "3" } }
{ "id": "103", "createTime": "2025 - 01 - 06", "content": "这是一个 3 天内测试内容 3" }
{ "index": { "_id": "4" } }
{ "id": "4", "createTime": "2025 - 01 - 02", "content": "另一个测试内容" }
{ "index": { "_id": "5" } }
{ "id": "5", "createTime": "2025 - 01 - 02", "content": "另一个测试内容 2" }
{ "index": { "_id": "6" } }
{ "id": "5", "createTime": "2024 - 12 - 28", "content": "更早的测试内容" }
这些文档的时间档次划分如下：
1、文档 1 – 3：createTime 为 2025 – 01 – 06（假设当前日期为 2025 – 01 – 09），其 time_bucket 为 1（表示 3 天内）。
2、文档 4 – 5：createTime 为 2025 – 01 – 02，time_bucket 为 2（表示 4 – 7 天内）。
3、文档 6：createTime 为 2024 – 12 – 28，time_bucket 为 3（表示 7 天前）。
（四）执行查询
现在，我们通过以下 DSL 查询语句，实现按时间档次和相关度排序的需求。
GET t1/_search
{
"query": {
"match": {
"content": "测试"
}
},
"sort": [
{
"time_bucket": {
"order": "asc"
}
},
{
"_score": {
"order": "desc"
}
}
]
}
该查询语句说明如下：
查询部分：使用 match 查询在 content 字段中匹配关键词“测试”。
排序部分：
第一层排序，按 time_bucket 升序排序，保证 time_bucket = 1 的文档优先展示。
第二层排序，在每个 time_bucket 内，按 _score（相关度分值）降序排序，使得相关性高的文档优先展示。
（五）预期查询结果
假设当前日期为 2025 – 01 – 09，执行上述查询后，预期的查询结果如下：
{
"took": 1,
"timed_out": false,
"_shards": {
"total": 1,
"successful": 1,
"skipped": 0,
"failed": 0
},
"hits": {
"total": {
"value": 6,
"relation": "eq"
},
"max_score": null,
"hits": [
{
"_index": "t1",
"_id": "1",
"_score": 0.13489556,
"_source": {
"time_bucket": 1,
"id": "102",
"createTime": "2025 - 01 - 06",
"content": "这是一个 3 天内测试内容 1"
},
"sort": [
1,
0.13489556
]
},
{
"_index": "t1",
"_id": "2",
"_score": 0.13489556,
"_source": {
"time_bucket": 1,
"id": "101",
"createTime": "2025 - 01 - 06",
"content": "这是一个 3 天内测试内容 2"
},
"sort": [
1,
0.13489556
]
},
。。。。。。省略一部分。。。。。
{
"_index": "t1",
"_id": "6",
"_score": 0.16707027,
"_source": {
"time_bucket": 3,
"id": "5",
"createTime": "2024 - 12 - 28",
"content": "更早的测试内容"
},
"sort": [
3,
0.16707027
]
}
]
}}
实际结果如下：
展示顺序如下：
1、**time_bucket = 1**：
文档 1 (id: 102)
文档 2 (id: 101)
文档 3 (id: 103)
2、**time_bucket = 2**：
文档 4 (id: 4)
文档 5 (id: 5)
3、**time_bucket = 3**：
文档 6 (id: 6)
可以看到，每个时间档次内的文档按 _score 从高到低排序，保证了相关性高的文档优先展示。
四、注意事项
1、时间格式一致性：
在索引文档时，务必确保 createTime 的格式与映射中的格式一致，即”yyyy – MM – dd”。
2、时区处理：
在脚本中使用 UTC 时区，防止因时区差异导致日期计算错误。
3、脚本性能优化：
尽量保持 Ingest Pipeline 脚本简洁，减少复杂计算，以降低索引和更新时的性能开销。
4、数据更新机制：
由于 time_bucket 是基于当前日期动态计算的，必须定期更新以反映最新的时间档次。缺乏及时更新可能导致排序结果不准确。
5、错误调试：
如果在脚本执行过程中遇到错误，可以通过简化脚本逐步调试。例如，先尝试仅解析日期并输出 createDate，然后逐步添加其他逻辑。
6、索引设置优化：
根据实际数据量和查询需求，合理设置 number_of_shards 和 number_of_replicas，以优化性能和容错能力。
五、总结
本文详细阐述了如何在 Elasticsearch 中，通过优化索引创建、映射设计以及使用 Ingest Pipeline，实现按特定时间档次和相关度排序的需求。通过预计算 time_bucket 字段，避免了在查询时使用脚本排序带来的性能开销，提升了查询效率和结果的准确性。
关键步骤总结如下：
1、创建合理的映射：
保证字段类型正确，尤其是 createTime 和 time_bucket 字段。
2、使用 Ingest Pipeline：
在索引时计算并添加 time_bucket 字段，保证排序的高效性。
3、优化查询语句：
通过双重排序，实现按时间档次和相关度的精准排序。
4、定期更新 time_bucket：
通过定期运行 Update By Query，保持 time_bucket 的最新状态。
通过这些步骤，我们可以在 Elasticsearch 中高效地实现复杂的排序需求，提升搜索体验和系统性能。
![【学习强国】[挑战答题]带选项完整题库(2020年4月20日更新)-武穆逸仙](https://www.iwmyx.cn/wp-content/uploads/2019/12/timg-300x200.jpg)
![【学习强国】[新闻采编学习(记者证)]带选项完整题库（2019年11月1日更新）-武穆逸仙](https://www.iwmyx.cn/wp-content/uploads/2019/12/77ed36f4b18679ce54d4cebda306117e-300x200.jpg)
